Inom Mistra Digital Forest finns många exempel på hur ny digital teknik kan stärka och utveckla skogsbruket. En central fråga i det arbetet handlar om datakvalitet: vilken data krävs för att bygga framtidens AI-baserade beslutsstöd? Den 6 november disputerar SLU-doktoranden Raul de Paula Pires med en avhandling som ger viktiga pusselbitar till svaret på just den frågan.
Raul de Paula Pires, doktorand SLU.
Hej Raul! Med stöd från Mistra Digital Forest utforskar din avhandling hur insamlingen av referensdata kan effektiviseras och vilka datakällor som lämpar sig särskilt bra för att träna AI-modeller. Varför är det intressant?
– Digitaliseringen i stort och AI i synnerhet skapar helt nya förutsättningar för ett mer resurseffektivt och precist brukande av skogen. Men det förutsätter att vi har tillgång till detaljerad och platsspecifik information som dels kan användas som referensdata i utvecklingen av fjärranalysbaserade beslutsstöd och dels som träningsdata för AI. Att samla in data ute i fält är tidskrävande och kostsamt, därför utforskar min avhandling alternativa datakällor.
När du undersökte vilka datakällor som lämpade sig för att träna AI-modeller låg utmaningen i att AI kräver mycket träningsdata. Vilka är dina viktigaste slutsatser?
– Dels att AI kan lära sig att klassificera trädslag genom att träna på data från skördarens produktionsfil, kombinerat med laserdata från flyg. Just skördardata är lite speciellt eftersom det är en resurs som skogsbolagen redan har tillgång till, helt gratis.
– Ytterligare ett viktigt resultat är att fiktiva data i form av datorgenererade träd kan användas för att träna AI att upptäcka krökta stammar. Med traditionell fältinventering skulle det vara nästintill omöjligt att samla in tillräckligt mycket träningsdata om så ovanliga företeelser. På sikt skulle vi kunna ha autonoma beslutsstöd som upptäcker krök direkt på avverkningsplatsen.
Du har också undersökt bilmonterad laserskanning som metod för att samla in referensdata. Vad kom du fram till?
– I studien lät vi en bil försedd med laserskanner köra på skogsvägar och skanna av träden upp till 40 meter in i skogen. Resultaten visar att metoden kan vara ett fullgott, kostnadseffektivt alternativ till traditionell fältinventering och att referensdatan kan användas för att träna fjärranalysbaserade modeller att skatta stamvolym och diameter på enskilda träd.
Vilken betydelse har din forskning på ett bredare plan?
– Lyfter vi blicken så handlar den om att hitta sätt att bättre ta tillvara den skog vi har och att kunna göra riktade åtgärder, utifrån olika intresseperspektiv. Jag ser fram emot att fortsätta forska om de möjligheter som bor i skogsbrukets digitalisering.